用于评估城市树木碳储量的语义工作流与机器学习
机器学习
2020-09-23 v1 计算机视觉与模式识别
计算机与社会
图像与视频处理
摘要
气候科学对于理解全球温度变化的原因和后果至关重要，并且已成为果断决策制定的必要条件。然而，气候科学研究通常需要解决来自多个领域的数据、软件和实验方法之间复杂的互操作性问题。科学工作流系统为解决这些问题提供了无与伦比的优势，包括实验的可重复性、溯源捕获、软件可重用性和知识共享。在本文中，我们引入了一种带有系列连接组件的新颖工作流，以执行空间数据准备、利用机器学习算法对卫星影像进行分类，以及评估城市树木储存的碳。据我们所知，这是首个遵循政府间气候变化专门委员会（IPCC）指南估算非洲某地区碳储量的研究。
引用
@article{arxiv.2009.10263,
title = {Semantic Workflows and Machine Learning for the Assessment of Carbon Storage by Urban Trees},
author = {Juan Carrillo and Daniel Garijo and Mark Crowley and Rober Carrillo and Yolanda Gil and Katherine Borda},
journal= {arXiv preprint arXiv:2009.10263},
year = {2020}
}
备注
Previously published as part of the SciKnow 2019 Workshop, November 19th, 2019. Los Angeles, California, USA. Collocated with the tenth International Conference on Knowledge Capture (K-CAP)